論文の概要: Adaptive Spike-Like Representation of EEG Signals for Sleep Stages
Scoring
- arxiv url: http://arxiv.org/abs/2204.03565v1
- Date: Sat, 2 Apr 2022 11:21:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-10 11:22:45.181795
- Title: Adaptive Spike-Like Representation of EEG Signals for Sleep Stages
Scoring
- Title(参考訳): 睡眠ステージスコアリングのための脳波信号の適応スパイク様表現
- Authors: Lingwei Zhu, Koki Odani, Ziwei Yang, Guang Shi, Yirong Kan, Zheng
Chen, Renyuan Zhang
- Abstract要約: 信号強度の半ガウス的確率によって入力信号と重み特徴を符号化し,フィルタリングし,蓄積する適応的手法を提案する。
提案手法の有効性を検証し,将来有望な方向性を明らかにするため,最先端手法に対する最大の公開データセットの実験を行った。
- 参考スコア(独自算出の注目度): 6.644008481573341
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently there has seen promising results on automatic stage scoring by
extracting spatio-temporal features from electroencephalogram (EEG). Such
methods entail laborious manual feature engineering and domain knowledge. In
this study, we propose an adaptive scheme to probabilistically encode, filter
and accumulate the input signals and weight the resultant features by the
half-Gaussian probabilities of signal intensities. The adaptive representations
are subsequently fed into a transformer model to automatically mine the
relevance between features and corresponding stages. Extensive experiments on
the largest public dataset against state-of-the-art methods validate the
effectiveness of our proposed method and reveal promising future directions.
- Abstract(参考訳): 近年,脳波(EEG)から時空間的特徴を抽出し,自動ステージスコアリングに有望な結果が得られた。
このような手法には、手作業による機能工学とドメイン知識が伴います。
本研究では,信号強度の半ガウス確率による入力信号を確率的に符号化し,フィルタし,蓄積する適応的手法を提案する。
その後、適応表現は変換器モデルに入力され、特徴と対応するステージの関連性を自動的にマイニングする。
最先端手法に対する最大の公開データセットに関する広範な実験により,提案手法の有効性が検証され,今後の方向性が明らかにされる。
関連論文リスト
- Test-Time Model Adaptation with Only Forward Passes [68.11784295706995]
テストタイム適応は、トレーニング済みのモデルを、潜在的に分布シフトのある未確認テストサンプルに適応させるのに有効であることが証明されている。
テスト時間フォワード最適化適応法(FOA)を提案する。
FOAは量子化された8ビットのViTで動作し、32ビットのViTで勾配ベースのTENTより優れ、ImageNet-Cで最大24倍のメモリ削減を実現する。
論文 参考訳(メタデータ) (2024-04-02T05:34:33Z) - Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。
提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
論文 参考訳(メタデータ) (2023-12-19T15:34:52Z) - DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial
Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。
現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。
本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文 参考訳(メタデータ) (2023-09-07T13:43:46Z) - Conditional Denoising Diffusion for Sequential Recommendation [62.127862728308045]
GAN(Generative Adversarial Networks)とVAE(VAE)の2つの顕著な生成モデル
GANは不安定な最適化に苦しむ一方、VAEは後続の崩壊と過度に平らな世代である。
本稿では,シーケンスエンコーダ,クロスアテンティブデノナイジングデコーダ,ステップワイズディフューザを含む条件付きデノナイジング拡散モデルを提案する。
論文 参考訳(メタデータ) (2023-04-22T15:32:59Z) - Extended method for Statistical Signal Characterization using moments
and cumulants: Application to recognition of pattern alterations in
pulse-like waveforms employing Artificial Neural Networks [0.0]
本稿では,前処理信号の段階として適用可能な波形の特徴を特徴付ける統計的手法を提案する。
提案手法は,パターン認識に有効な手法である。
論文 参考訳(メタデータ) (2022-12-23T05:05:47Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳(メタデータ) (2022-06-29T23:22:18Z) - Adaptive Template Enhancement for Improved Person Recognition using
Small Datasets [0.9668407688201358]
本稿では,脳波(EEG)信号の新たな分類法を提案し,評価した。
提案した適応テンプレート拡張機構は,各特徴次元を別々に扱うことで特徴レベルのインスタンスを変換する。
提案手法は,識別シナリオと検証シナリオの両方において,分類精度が大幅に向上したことを示す。
論文 参考訳(メタデータ) (2022-01-03T10:14:38Z) - DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG
Signals [62.997667081978825]
我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。
我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。
標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
論文 参考訳(メタデータ) (2021-12-08T13:07:21Z) - GANSER: A Self-supervised Data Augmentation Framework for EEG-based
Emotion Recognition [15.812231441367022]
本稿では,GANSER(Generative Adversarial Network-based Self-supervised Data Augmentation)という新しいデータ拡張フレームワークを提案する。
脳波に基づく感情認識のための自己教師型学習と対人訓練を併用する最初の試みとして、提案フレームワークは高品質な模擬脳波サンプルを生成することができる。
変換関数は、脳波信号の一部を隠蔽し、生成元に残りの部分に基づいて潜在的な脳波信号を合成させる。
論文 参考訳(メタデータ) (2021-09-07T14:42:55Z) - Dynamic Bayesian Approach for decision-making in Ego-Things [8.577234269009042]
本稿では,マルチセンサデータと特徴選択に基づく動的システムの異常検出手法を提案する。
成長型ニューラルガス(GNG)は、マルチセンサーデータを一連のノードにクラスタリングするために使用される。
本手法は状態推定と異常検出にマルコフジャンプ粒子フィルタ(MJPF)を用いる。
論文 参考訳(メタデータ) (2020-10-28T11:38:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。